制裁名单交易筛查

为什么需要它

制裁筛查是交易合规的硬环节：对手方一旦命中 OFAC、UN、EU 等名单就必须拦截或上报。难点在于名单分散在十余个官方源，格式各异，条目超过七万，人工比对既慢又易漏。中文实体尤其棘手——同一家公司可能以简体、繁体、拼音、简称等形式出现，纯字符串匹配对不上。

技能如何工作

数据层：内置 10 个公开源（OFAC SDN、UK FCDO、EU、UN、INTERPOL、香港 CEDB 及中国本地名单），合计约 71.8K 条目。首次运行 fetch.py 拉取全部数据缓存本地，后续搜索直接读缓存。

单实体搜索（search.py）：跑精确、子串、模糊三级匹配，按四档返回——≥85% 高置信命中，60–84% 待复核，35–59% 低置信巧合，无结果即未命中。

批量筛查（batch_screen.py）：输入 .xlsx，自动提取名称列逐条比对，输出 CSV 和 HTML 报告。

中文匹配四层防线：

• 停用词过滤：剔除「科技有限公司」等 80+ 通用词，避免后缀巧合
• 拼音桥接：词边界滑窗匹配，kunlun 能命中 BANK OF KUNLUN，嵌入碎片不会
• 繁简归一：内置 600+ 字对照表，简体查询能命中繁体条目
• 简称展开：data/aliases.json 收录约 280 条映射，「工行」自动展开为「中国工商银行」

防误报：类型维度不一致时降级置信度并标记人工复查；子串占比 < 50% 不给分，短名单名（< 5 字符）不参与子串匹配；纯拼音匹配上限 0.45，永远进待复核。

扩展：fetch.py --add-url 可将任意 CSV 名单并入索引。

适用边界

• 核心脚本零第三方依赖，仅用 Python 标准库；可选依赖（openpyxl、pypinyin、pdfplumber）离线需预装
• 缓存不检查有效期，离线快照会随时间变旧
• 实体类型识别是规则版（_guess_entity_type()），非 NER，"宁少标不多标"
• 简称展开表仅覆盖约 280 条，表外缩写无法识别
• 做的是名单比对和相似度排序，不替代合规人员对模糊结果的最终判定